설명
Jina AI의 다섯 가지 핵심 인터페이스를 통합하여 강력한 지능형 에이전트를 쉽게 구축할 수 있도록 지원합니다. 이러한 인터페이스는 주로 다음과 같은 시나리오에 적합합니다:- 벡터 임베딩 (Embeddings): 스마트 고객 서비스, 스마트 채용, 지식 기반 질의응답과 같은 다중 모드 RAG 질의응답 시나리오에 적용 가능합니다.
- 재순위 (Rerank): 임베딩 후보 결과를 최적화하고 주제 관련성을 기반으로 정렬하여 대규모 언어 모델의 답변 품질을 크게 향상시킵니다.
- 딥 서치 (DeepSearch): 최적의 답변을 찾을 때까지 심층 검색 및 추론을 수행하며, 특히 연구 프로젝트 및 제품 솔루션 개발과 같은 복잡한 작업에 적합합니다.
- 웹 검색 (Search): 쿼리를 전달하면 검색 결과 페이지(SERP)의 깔끔한 본문을 반환하며, 웹 연결 Q&A 및 RAG를 위해 바로 LLM에 입력할 수 있습니다.
- 웹 리더 (Reader): 임의의 URL을 전달하면 변환된 깔끔한 markdown 본문을 반환하며, 웹 콘텐츠를 가져와 LLM에 입력하기에 적합합니다.
빠른 시작
API_KEY를 AIHUBMIX_API_KEY와 모델 엔드포인트 링크로 교체하면 다른 매개변수와 사용법은 Jina AI 공식과 완전히 일치합니다.
엔드포인트 교체:
-
벡터 임베딩 (Embeddings):
https://jina.ai/embeddings->https://aihubmix.com/v1/embeddings -
재순위 (Rerank):
https://api.jina.ai/v1/rerank->https://aihubmix.com/v1/rerank -
딥 서치 (DeepSearch):
https://deepsearch.jina.ai/v1/chat/completions->https://aihubmix.com/v1/chat/completions -
웹 검색 (Search):
https://s.jina.ai/?q=->https://aihubmix.com/v1/jina/search?q= -
웹 리더 (Reader):
https://r.jina.ai/<url>->https://aihubmix.com/v1/jina/reader/<url>현재 기본 API 주소를 사용할 수 없는 경우, 이 설정의 도메인을 백업 주소https://api.inferera.com으로 바꾸고 경로는 그대로 유지하세요.
임베딩
Jina AI의 임베딩은 일반 텍스트와 다중 모드 이미지를 모두 지원하며 다국어 작업 처리에서 뛰어난 성능을 발휘합니다.요청 매개변수
모델 이름, 사용 가능한 모델 목록:
jina-clip-v2: 다중 모드, 다국어, 1024차원, 8K 컨텍스트 창, 8억 6,500만 매개변수jina-embeddings-v3: 텍스트 모델, 다국어, 1024차원, 8K 컨텍스트 창, 5억 7,000만 매개변수jina-colbert-v2: 다국어 ColBERT 모델, 8K 토큰 컨텍스트, 5억 6,000만 매개변수, 임베딩 및 재순위에 사용jina-embeddings-v2-base-code: 코드 및 문서 검색에 최적화된 모델, 768차원, 8K 컨텍스트 창, 1억 3,700만 매개변수
입력 텍스트 또는 이미지, 다른 모델은 다른 입력 형식을 지원합니다. 텍스트의 경우 문자열 배열을 제공하고, 다중 모드 모델의 경우 텍스트 또는 이미지 필드가 포함된 객체 배열을 제공합니다.
반환되는 데이터 유형, 선택적 값:
float: 기본값, float 배열을 반환합니다. 가장 일반적이고 사용하기 쉬운 형식으로 float 목록을 반환합니다.binary_int8: int8 압축 이진 형식으로 반환합니다. 더 효율적인 저장, 검색 및 전송binary_uint8: uint8 압축 이진 형식으로 반환합니다. 더 효율적인 저장, 검색 및 전송base64: base64 인코딩된 문자열로 반환합니다. 더 효율적인 전송
1. 다중 모드 사용법
2. 순수 텍스트 사용법
텍스트 문자열 배열만 제공하고image 필드는 제공하지 마십시오.
재순위
재순위기는 검색 관련성 및 RAG 정확도를 향상시키는 것을 목표로 합니다. 초기 검색 결과를 심층 분석하고 쿼리와 문서 내용 간의 미묘한 상호 작용을 고려하여 검색 결과를 재정렬하여 가장 관련성 높은 결과를 맨 위에 배치합니다.요청 매개변수
문서당 최대 청크 길이, Cohere에만 적용됩니다(Jina에서는 지원되지 않음). 기본값은 4096입니다.
긴 문서는 지정된 토큰 수로 자동 잘립니다.
긴 문서는 지정된 토큰 수로 자동 잘립니다.
1. 다중 모드 사용법
응답 설명
model: 사용된 모델의 이름results: 관련성 점수를 기준으로 내림차순으로 정렬된 재순위 결과 배열, 각 요소에는 다음이 포함됩니다:index: 원본 문서 배열의 인덱스 위치relevance_score: 0-1 사이의 관련성 점수, 점수가 높을수록 쿼리와의 관련성이 높음을 나타냅니다.
usage: 사용 통계total_tokens: 이 요청에서 처리된 총 토큰 수
2. 텍스트 사용법
텍스트 재순위는 임베딩 사용법과 유사하게 배열을 전달하여 다국어 및 일반 작업을 모두 지원합니다.딥서치
딥서치는 검색, 읽기, 추론 기능을 결합하여 최상의 답변을 추구합니다. OpenAI의 채팅 API 형식과 완벽하게 호환되므로 api.openai.com을 aihubmix.com으로 교체하기만 하면 시작할 수 있습니다.스트림은 사고 과정을 반환합니다.
요청 매개변수
스트리밍 응답을 활성화할지 여부. 이 옵션을 활성화하는 것이 좋습니다. 딥서치 요청은 완료하는 데 시간이 오래 걸릴 수 있으며 스트리밍을 비활성화하면 ‘524 시간 초과’ 오류가 발생할 수 있습니다.
사용자와 어시스턴트 간의 대화 메시지 목록. 텍스트(.txt, .pdf), 이미지(.png, .webp, .jpeg) 등 여러 유형(모달) 메시지를 지원합니다. 최대 파일 크기는 10MB입니다.
다중 모드 메시지 형식
딥서치는 순수 텍스트(메시지), 파일(파일), 이미지(이미지) 등 여러 유형의 메시지 형식을 지원합니다. 다음은 다양한 형식의 예입니다:1. 순수 텍스트 메시지
2. 파일 첨부가 있는 메시지
3. 이미지가 있는 메시지
호출 예제
공식 웹사이트의 Jina AI의 Python 스트리밍 호출에는 응답이 없습니다. 예제를 참조하십시오.응답 설명
딥서치의 응답은 기본적으로 스트리밍되며 중간 추론 단계와 최종 답변을 모두 포함합니다. 스트림의 마지막 블록에는 최종 응답, 방문한 URL 목록 및 토큰 사용 세부 정보가 포함됩니다. 스트리밍이 비활성화되면 최종 답변만 반환되고 중간 “사고” 단계는 생략됩니다. 참고: 이 JSON 객체는 Jina AI에서 사용하는 형식과 다릅니다.Python
웹 검색 (Search)
Jina AI의s.jina.ai를 기반으로, 쿼리를 전달하기만 하면 검색 결과 페이지(SERP)의 깔끔한 본문을 반환하여 LLM의 웹 연결 Q&A 및 RAG에 바로 사용할 수 있습니다. 엔드포인트는 GET과 POST를 모두 지원합니다.
응답 형식(기본값 markdown): 기본적으로 연결된 markdown 결과 목록을 반환하여 바로 LLM에 입력할 수 있습니다. 구조화된 데이터(각 결과의
title / url / content 및 usage)가 필요한 경우, 요청 헤더에 Accept: application/json을 추가하면 JSON을 반환합니다.요청 매개변수
또한 검색은 각 히트 결과에 대해 Reader를 호출하여 본문을 추출하므로, 「웹 리더 (Reader)」에 나열된 본문 형식을 제어하는 각종X-* 요청 헤더는 검색 결과에도 동일하게 적용됩니다.
호출 예제
쿼리와 매개변수는 URL 쿼리 매개변수로GET(권장, 가장 간결)을 통해 전달하거나, JSON 요청 본문으로 POST를 통해 전달할 수 있습니다. 둘 다 동일한 엔드포인트로 전송되며 동일한 결과를 반환합니다. 아래 예제는 기본적으로 Accept: application/json을 추가하여 JSON을 반환합니다. 이 헤더를 제거하면 깔끔한 markdown 결과 목록이 반환됩니다(첫 번째 Curl-markdown 예제 참조).
응답 설명
기본값(Accept 없음)으로는 연결된 markdown 목록을 반환하며, 각 항목은 제목, 출처 링크, 설명(있는 경우), 본문 순으로 표시됩니다:
Accept: application/json을 추가하면 구조화된 JSON을 반환합니다:
data: 검색 결과 배열(개수는num으로 제어. 위 예제는 5개를 반환하지만 여기서는 처음 2개만 표시.content는 전체 본문이며 예제에서는 잘림). 각 항목에title,url,content,usage.tokens포함.- 과금: 각 결과의
usage.tokens합계로 과금됩니다. Jina 공식은 검색 1회당 최소 10000 토큰부터 과금하므로, 최종적으로는 둘 중 큰 값, 즉max(10000, 토큰 합계)로 과금됩니다.
웹 리더 (Reader)
Jina AI의r.jina.ai를 기반으로, 임의의 URL을 전달하기만 하면 변환된 깔끔한 markdown 본문을 반환하여 웹 콘텐츠를 가져와 LLM에 입력하기에 편리합니다. 웹 페이지 외에도 이미지(비전 모델이 설명 생성)와 로컬 파일(PDF, Word / Excel / PPT, HTML, 이미지) 분석도 지원합니다.
응답 형식(기본값 markdown): 기본적으로 깔끔한 markdown 본문을 직접 반환하여 바로 LLM에 입력할 수 있습니다.
usage 사용량과 title / url 등의 필드를 포함한 구조화된 JSON(본문은 data.content에 있음)이 필요한 경우, 요청 헤더에 Accept: application/json을 추가하세요.요청 매개변수
업로드할 로컬 파일. PDF, Word / Excel / PPT, HTML, 이미지를 지원하며,
POST로 multipart/form-data로서 file 필드에 전달합니다.X-* 요청 헤더(전체 X-Md-* 계열 포함)와 POST 요청 본문 필드(스크립트 주입 injectPageScript 등)는 게이트웨이가 그대로 전달합니다. 전체 목록과 값은 Jina 공식 문서를 참조하세요.
다중 모드 입력 형식
Reader는 세 가지 입력을 지원합니다. 웹 페이지와 이미지는 엔드포인트 경로 끝에 직접 연결합니다(GET). 로컬 파일은 POST로 multipart/form-data로서 업로드합니다.
1. 웹 페이지 URL
2. 이미지 URL(시각적 설명 반환)
이미지 주소도 마찬가지로 경로 끝에 연결합니다. Reader는 비전 모델을 사용하여 이미지에 대한 설명(캡션, 축자 OCR 아님)을 생성하여content에 넣습니다.
3. 로컬 파일 업로드(PDF / Word·Excel·PPT / HTML / 이미지)
호출 예제
기본적으로 markdown 본문을 직접 반환합니다.Accept: application/json을 추가하면 구조화된 JSON을 반환합니다. 선택적 매개변수는 X-* 요청 헤더로 전달하며, 게이트웨이가 모두 그대로 Jina로 전달합니다(전체 목록은 위 「요청 매개변수」 참조).
1. 웹 페이지 읽기
2. 이미지 읽기
Curl
3. 로컬 파일 업로드
POST + multipart/form-data로 업로드합니다. HTML 업로드 시에는 참조 주소로 url 필드를 추가로 포함해야 합니다. 과금은 URL 읽기와 동일합니다.
응답 설명
기본값(Accept 없음)으로는 markdown 본문을 직접 반환합니다(즉, 아래 JSON의 data.content 내용). 예를 들어 https://example.com을 읽는 경우:
Accept: application/json**을 추가하면 구조화된 JSON을 반환합니다. JSON 구조는 세 가지 입력 유형 모두 동일합니다: data는 title / url / content / usage.tokens를 포함하는 단일 객체입니다. 아래는 세 가지 입력 유형의 실제 반환입니다(content가 너무 길면 앞부분만 남기고 나머지는 …로 생략).
① 웹 페이지 읽기(https://example.com 읽기):
content는 비전 모델이 생성한 설명):
content가 길어 앞부분만 표시):
status: Jina 업스트림이 반환하는 비즈니스 상태 코드. reader 성공 시20000(외부 HTTP200과 일치).- 과금:
data.usage.tokens(실제 출력 토큰 수)로 과금되며, 최소 과금액이 없습니다(검색의 「1회당 10000 토큰부터」와 다름). 내용이 극히 짧은 경우 최소 과금 단위를 하한으로 적용하므로 0원 과금은 발생하지 않습니다.
마지막 업데이트: 2026-07-03